一种手部康复机器人主动训练交互系统

1.本发明涉及医疗康复设备技术领域，尤其是指一种手部康复机器人主动训练交互系统。


背景技术：

2.手部康复机器人是针对手部外伤以及脑卒中等术后由于神经损伤导致的手部运动功能障碍的康复装置。它通过对患者的手部进行康复训练，刺激患者手部运动神经，进而最大程度恢复患者手部运动功能。
3.近年来，智能学习技术的发展为康复机器人领域提供了新思路，基于生理信号的智能学习模型被证明能够良好地反映患者运动意图和生理状态，并得到了广泛的运用。
4.但是，现有的手部康复机器人模式单一，以患者被动训练为主，缺少患者的主动参与，导致康复效果受限，且生理信号在不同患者间的差异较大，导致手部机器人对不同病情和不同肌肉状态患者的自适应能力不足。


技术实现要素：

5.为此，本发明所要解决的技术问题在于克服现有技术中手部机器人对不同患者自适应能力不足，且缺少患者主动参与的问题。
6.为解决上述技术问题，本发明提供了一种手部康复机器人主动训练交互系统，包括：
7.手部外骨骼，包括线性执行器和压力传感器；所述线性执行器固定在手部外骨骼的手背部分，用于驱动手部外骨骼带动患肢进行康复训练；所述压力传感器固定在手部外骨骼的手指部分，用于采集手部外骨骼和患者指尖之间的交互力；
8.主控电路板，固定在所述手部外骨骼的手背部分，其ad输入端与所述线性执行器的位置反馈信号输出端和所述压力传感器采集的交互力信号输出端连接，用于接收所述压力传感器的交互力信号，并通过蓝牙接收上位机交互系统发送的指令帧，将指令帧解算成电机控制指令，驱动所述线性执行器带动患者五指进行训练动作；
9.肌电传感器，具有内置电源，穿戴在患者前臂，用于采集人体手臂表面肌电信号，并通过蓝牙发送给上位机交互系统；
10.上位机交互系统，通过蓝牙com1接收所述肌电传感器的肌电信号，根据肌电信号识别出患者的运动意图，调整训练模式，并以指令帧的形式由蓝牙com2发送至所述主控电路板；
11.云端数据库，通过以太网与所述上位机交互系统通讯，接收所述上位机交互系统返回的患者训练数据并记录归档，按训练数据为患者提供专业建议，同时发出软件更新的提示；
12.多路可调电源，12v输出端口与所述线性执行器的正负极连接，5v输出端口与所述主控电路板的正负极连接，3.3v输出端口与所述压力传感器的正负极连接，用于提供不同
的电压以驱动各模块运行。
13.在本发明的一个实施例中，所述主控电路板包括：
14.蓝牙通讯模块，用于与所述上位机交互系统的蓝牙com2通讯，所述上位机交互系统发送指令帧给蓝牙通讯模块，蓝牙通讯模块返回所述线性执行器的位置信息和电机阻抗参数给所述上位机交互系统；
15.数据处理模块，用于接收所述压力传感器的力信号、所述线性执行器的位置反馈信号、所述上位机交互系统发送的指令帧，并将接收到的数据解算成阻抗控制位置调节信息；
16.电机驱动模块，根据所述数据处理模块解算的阻抗控制位置调节信息驱动所述线性执行器。
17.在本发明的一个实施例中，所述数据处理模块包括阻抗模型，根据所述压力传感器的力信号确定患者与手部外骨骼的实际交互力，根据所述线性执行器的位置反馈信号确定手部外骨骼的实际位置，根据所述上位机交互系统发送的指令帧确定患者与手部外骨骼的期望交互力和手部外骨骼的期望位置，以及上位机交互系统利用策略调节器确定所述线性执行器的电机阻抗参数；
18.将所述实际交互力、实际位置、期望交互力、期望位置和电机阻抗参数输入阻抗模型，输出阻抗控制位置调节信息；
19.所述阻抗模型采用基于位置的阻抗控制，通过位置关系的改变间接影响人机交互力，保持所述手部外骨骼的运动位置与人机交互力之间的动态关系，具体公式为：
[0020][0021]
其中xd为期望位置，fd为期望交互力，x为实际位置，f为实际交互力，m、b、k为所述线性执行器的电机阻抗参数。
[0022]
在本发明的一个实施例中，所述上位机交互系统包括：
[0023]
在线定制模型模块，用于针对不同个体的手势模式即时训练识别模型；首先根据所述肌电传感器采集的不同手势的肌电信号，记录标签和分割样本之后，由患者指定模型进行训练，训练好的模型用于实时识别患者的运动意图，并转化为指令帧通过蓝牙com2发送给所述主控电路板；
[0024]
多场景动态难度训练游戏模块，用于激励患者在游戏中完成多种康复训练动作，包括多级可调的游戏难度及多种训练模式，以适应不同康复阶段的患者；
[0025]
生理状态评价指标模块，根据所述肌电传感器采集的肌电信号的特征和所述多场景动态难度训练游戏模块返回的患者训练表现，实时计算患者的生理状态评价指标，包括肌肉激活度、肌肉疲劳度和训练完成度；
[0026]
策略调节器，根据模糊控制模型和所述生理状态评价指标，自适应调整所述多场景动态难度训练游戏的难度和模式，以及所述线性执行器的电机阻抗参数，以主动适应患者生理状态的变化。
[0027]
在本发明的一个实施例中，所述在线定制模型模块，包括随机森林模型、k近邻模型、卷积神经网络模型和transformer模型。
[0028]
在本发明的一个实施例中，所述在线训练模型模块即时构建患者运动意图模型的
过程包括：
[0029]
s1、通过图形用户界面的手势图标引导患者完成动作，肌电传感器采集患者指定动作下的肌电信号；
[0030]
s2、对肌电信号进行分割和滤波处理，划分数据集；
[0031]
s3、选择如权利要求4所述任一模型进行训练，并将训练好的模型保存为可执行文件；
[0032]
s4、根据手势图标识别结果，校验训练好的模型的实际准确率；
[0033]
s5、若模型实际准确率低于预设值，则回到s1；
[0034]
s6、所述上位机交互系统竖起模型就绪标志位，模型开始服务。
[0035]
在本发明的一个实施例中，所述多场景动态难度训练游戏模块中多种训练模式包括：
[0036]
被动模式，该模式下患者不需要主动发力，由所述手部外骨骼带动患者的手指完成预设动作；
[0037]
主动模式，该模式下根据所述数据处理模块解算的阻抗控制位置调节信息驱动所述线性执行器，使所述手部外骨骼对患者进行力补偿，辅助患者完成所述模型定制模块识别出的期望动作；
[0038]
阻抗模式，该模式下为患者设定目标期望力，所述策略调节器根据所述生理状态评价指标实时调整所述线性执行器的电机阻抗参数。
[0039]
在本发明的一个实施例中，所述生理状态评价指标模块中，所述肌肉激活度用于保证肌肉力矩和肌电信号之间的关系，具体公式为：
[0040][0041]
其中，act(t)为肌肉在t时刻的肌肉激活度，uj(t)为第j块肌肉在t时刻经预处理、整流和归一化后的肌电信号，a为非线性系数；
[0042]
所述肌肉疲劳度用于表征肌肉长时间工作下作功能力的大小，具体公式为：
[0043][0044][0045][0046]
t(t)＝rms(t)/rms(t0)
[0047]
tri(t)＝(mpf-mf)/t(t)
[0048]
其中，tri(t)是t时刻起在t时长中的肌肉疲劳度，f为采样频率，p(f)为肌电信号
的功率谱密度，rms(t)是肌电信号在t时刻的均方根，rms(t0)是肌电信号在静息状态下的均方根，mpf是平均功率频率，mf是中值频率，t(t)是t时刻的肌肉疲劳指数；
[0049]
所述运动完成度是患者运动能力的直观体现，具体公式为：
[0050][0051]
其中mov(t)是患者t时刻的动作完成度，xd(t)是t时刻的期望位置，x(t)是t时刻的实际位置。
[0052]
在本发明的一个实施例中，所述云端数据库包括：
[0053]
患者信息档案，用于记录患者的个人信息和训练日志，并分析所述个人信息和训练日志，为患者提出针对性指导建议；
[0054]
远程医护支持，用于使医护人员直接介入患者的训练过程，调整所述多场景动态难度训练游戏模块中的游戏难度和训练模式，以及所述线性执行器的电机阻抗参数。
[0055]
在本发明的一个实施例中，所述上位机交互系统采用分层解耦的开放式软件架构，包括：
[0056]
硬件抽象层，将底层硬件模组的输入和输出信号抽象为ap i接口，其中输入信号为物理值，输出信号为hex通讯帧；
[0057]
数据链路层，管理各信号流以及软件产生的数据缓存；
[0058]
模型服务层，为所述在线定制模型模块提供运行环境和不同形式的数据输入，数据输出将通过所述数据链路层发送到各请求数据的模块；
[0059]
动态游戏库，周期性从云端更新针对康复训练而设计的游戏；
[0060]
通用交互控件，是多场景动态难度训练游戏交互范式的抽象表达，交互信号为患者的各项生理信息和指标；
[0061]
医护介入接口，为医护人员远程干预训练过程提供修改所述上位机交互系统训练参数的接口；
[0062]
自适应调节层，用于修改系统训练参数；
[0063]
多线程多进程运行环境，用于管理任务调度，创建和销毁各个线程和进程，是各模块间通讯信号的终端，使各模块可以协同运作；
[0064]
用户交互层，为用户提供可视化的操作界面。
[0065]
本发明的上述技术方案相比现有技术具有以下优点：
[0066]
本发明所述的一种手部康复机器人主动训练交互系统，利用肌电传感器收集患者的生理信息，实时监测和分析患者的运动状态，上位机交互系统利用所述生理信息即时生成尽可能契合患者的运动意图识别模型，根据患者的进展和能力水平进行自适应调整，辅助患者更好地掌握正确姿势和动作，完成训练，能够满足不同个体间差异性训练需求。
[0067]
所述手部康复机器人主动训练交互系统加入了多场景动态难度训练游戏，使患者能根据自身情况选择不同的难度和训练模式，保持患者的参与度和动力，避免康复训练过于单一和乏味。
[0068]
所述手部康复机器人主动训练交互系统提供云端数据库，通过对康复数据的长期追踪和分析，评估康复效果并为患者提出针对性指导建议，帮助医护团队制定更科学的康
复计划和决策，并且医护人员能够接入本地客户端上位机程序，远程介入患者的康复训练，方便医护人员对患者的康复训练进行调整。
[0069]
所述手部康复机器人主动训练交互系统中，上位机交互系统采用分层解耦的开放式软件架构，实现了软硬件隔离，提高了各个模块的可维护和可拓展性。
附图说明
[0070]
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明。
[0071]
图1是本发明提供的手部康复机器人主动训练交互系统的结构图；
[0072]
图2是本发明提供的手部外骨骼侧面结构图；
[0073]
图3是本发明提供的手部外骨骼正面结构图；
[0074]
图4是本发明提供的电机阻抗控制电路图；
[0075]
图5是本发明提供的电机阻抗控制框图；
[0076]
图6是本发明提供的上位机交互系统软件架构图；
[0077]
图7是本发明提供的策略调节器控制逻辑图；
[0078]
图8是本发明在线训练模型的流程图。
具体实施方式
[0079]
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
[0080]
参照图1所示，本发明提供了一种手部康复机器人主动训练交互系统，包括手部外骨骼、主控电路板、肌电传感器、多路可调电源、上位机交互系统和云端数据库。
[0081]
所述手部外骨骼为硬件执行和物理信息反馈平台，用于带动患者手部进行训练及采集患者指尖压力和电机位置信号，包括线性执行器和压力传感器。所述线性执行器固定在手部外骨骼的手背部分，用于驱动手部外骨骼带动患肢进行康复训练。所述压力传感器固定在手部外骨骼的手指部分，用于采集手部外骨骼和患者指尖之间的交互力。
[0082]
参照图2和图3所示，所述手部外骨骼的机械原型为两组四连杆，通过圆弧形滑槽替代部分杆件，结合线性执行器实现对手指屈伸运动的模拟。所述手部外骨骼指关节处可以调节以适应不同手部型号的患者，整体采用铝合金3d打印，有效减少重量和耗材。
[0083]
所述主控电路板固定在所述手部外骨骼的手背部分，其ad输入端与所述线性执行器的位置反馈信号输出端和所述压力传感器采集的交互力信号输出端连接，用于接收所述压力传感器的交互力信号，并通过蓝牙接收上位机交互系统发送的指令帧，将指令帧解算成电机控制指令，驱动所述线性执行器带动患者五指进行训练动作。所述主控电路板能够在接收所述上位机交互系统的指令帧跟踪患者运动意图的同时实现全程阻抗控制，保证了对患者的主动力顺应。所述主控电路板与所述线性执行器、压力传感器一起构成底层硬件模组，作为硬件执行和物理信息反馈平台。
[0084]
所述主控电路板包括蓝牙通讯模块、数据处理模块和电机驱动模块。
[0085]
蓝牙通讯模块用于与上位机交互系统的蓝牙通讯，所述上位机交互系统发送指令帧给蓝牙通讯模块，蓝牙通讯模块返回所述线性执行器的位置信息和电机阻抗参数给所述
上位机交互系统。
[0086]
数据处理模块用于接收所述压力传感器的力信号、所述线性执行器的位置反馈信号、所述上位机交互系统发送的指令帧，并将接收到的数据解算成阻抗控制位置调节信息。
[0087]
电机驱动模块根据所述数据处理模块解算的阻抗控制位置调节信息驱动所述线性执行器。
[0088]
所述肌电传感器具有内置电源，穿戴在患者前臂部位，用于采集人体手臂表面肌电信号，并通过蓝牙发送给所述上位机交互系统。
[0089]
所述多路可调电源的12v输出端口与所述线性执行器的正负极连接，5v输出端口与所述主控电路板的正负极连接，3.3v输出端口与所述压力传感器的正负极连接，用于提供不同的电压以驱动各模块运行。
[0090]
所述上位机交互系统通过蓝牙com1接收所述肌电传感器的肌电信号，根据肌电信号识别出患者的运动意图，调整训练模式，并以指令帧的形式由蓝牙com2发送至所述主控电路板。所述上位机交互系统能够即时生成尽可能契合患者生理信息的运动意图识别模型和自适应调节策略，以满足不同个体间差异性训练需求。
[0091]
所述上位机交互系统包括在线定制模型模块、多场景动态难度训练游戏模块、生理状态评价指标模块和策略调节器。
[0092]
在线定制模型模块用于针对不同个体的手势模式即时训练识别模型，以提高所述手部康复机器人主动训练交互系统的手势识别准确度。在线定制模型模块首先根据所述肌电传感器采集的不同手势的肌电信号，记录标签和分割样本之后，由患者指定模型进行训练，训练好的模型用于实时识别患者的运动意图，并转化为指令帧通过蓝牙com2发送给所述主控电路板。
[0093]
所述在线定制模型模块包括随机森林模型、k近邻模型、卷积神经网络模型和transformer模型。
[0094]
多场景动态难度训练游戏模块用于激励患者在游戏中完成多种康复训练动作，包括1-4级可调的游戏难度及多种训练模式，以适应不同康复阶段的患者。
[0095]
所述多场景动态难度训练游戏模块中多种训练模式包括被动模式、主动模式和阻抗模式。被动模式下患者不需要主动发力，由所述手部外骨骼带动患者的手指完成预设动作。主动模式下，根据所述数据处理模块解算的阻抗控制位置调节信息驱动所述线性执行器，使所述手部外骨骼对患者进行力补偿，辅助患者完成所述模型定制模块识别出的期望动作。阻抗模式下为患者设定目标期望力，所述策略调节器根据所述生理状态评价指标实时调整所述线性执行器的电机阻抗参数。
[0096]
生理状态评价指标模块根据所述肌电传感器采集的肌电信号的特征和所述多场景动态难度训练游戏模块返回的患者训练表现，实时计算患者的生理状态评价指标，包括肌肉激活度、肌肉疲劳度和训练完成度。
[0097]
策略调节器根据模糊控制模型和所述生理状态评价指标，自适应调整所述多场景动态难度训练游戏的难度和模式，以及所述线性执行器的电机阻抗参数，以主动适应患者生理状态的变化。
[0098]
所述云端数据库通过以太网与所述上位机交互系统通讯，接收所述上位机交互系统返回的患者训练数据并记录归档，按训练数据为患者提供专业建议，同时发出软件更新
的提示，包括患者信息档案和远程医护支持。
[0099]
患者信息档案用于记录患者的个人信息和训练日志，并分析所述个人信息和训练日志，为患者提出针对性指导建议。远程医护支持用于使医护人员直接介入患者的训练过程，调整所述多场景动态难度训练游戏模块中的游戏难度和训练模式，以及所述线性执行器的电机阻抗参数。
[0100]
参照图4所示，本发明所述的一种手部康复机器人主动训练交互系统中，主控电路板中数据处理模块包括阻抗模型，根据所述压力传感器的力信号确定患者与手部外骨骼的实际交互力，根据所述线性执行器的位置反馈信号确定手部外骨骼的实际位置，根据所述上位机交互系统发送的指令帧确定患者与手部外骨骼的期望交互力和手部外骨骼的期望位置，以及上位机交互系统利用策略调节器确定所述线性执行器的电机阻抗参数。
[0101]
将所述实际交互力、实际位置、期望交互力、期望位置和电机阻抗参数输入阻抗模型，输出阻抗控制位置调节信息。
[0102]
所述阻抗模型采用电机阻抗控制，具体为基于位置的阻抗控制，即通过位置关系的改变间接影响人机交互力，其核心目的在于保持手部外骨骼与人机交互力之间的动态关系，从而实现对患者的按需主动辅助。所述数据处理模块解算得出的阻抗控制位置调节信息的具体公式为：
[0103][0104]
其中xd为期望位置，fd为期望交互力，x为实际位置，f为实际交互力，m、b、k为所述线性执行器的电机阻抗参数，在所述策略调节器中为可调变量。
[0105]
由上述公式可知，当期望交互力和实际交互力出现偏差时，期望位置与实际位置之间也将相应地出现偏差，称之为位置修正量，即为所述数据处理模块解算得出的阻抗控制位置调节信息。
[0106]
参照图5所示，在训练过程中，在线定制模型模块会根据患者的运动情况计算出期望交互力和期望位置。压力传感器收集患者的实际交互力，线性执行器返回实际位置。当患者的实际运动能力与期望不匹配时，策略调节器根据患者的生理状态评价指标调节电机阻抗参数m、b、k，主控电路板中的数据处理模块接收所述压力传感器的力信号、所述线性执行器的位置反馈信号和上位机交互系统发送的指令帧，解算得出阻抗控制位置调节信息，并发送给电机驱动模块。电机驱动模块将实时根据阻抗控制位置调节信息调整线性执行器的跟踪轨迹。
[0107]
参照图6所示，所述上位机交互系统采用分层解耦的开放式软件架构，目的在于实现软硬件隔离和提高各个模块的可维护可拓展性，具体包括：
[0108]
硬件抽象层，将底层硬件模组的输入和输出信号抽象为api接口，其中输入信号为物理值，输出信号为hex通讯帧。所述硬件抽象层不依赖于具体的底层硬件模组，实现了软硬件隔离。
[0109]
数据链路层，管理各信号流以及软件产生的数据缓存，在本实施例中，所述信号流为所述上位机交互系统各模块间的虚拟通讯信号以及与云端数据库之间的以太网通讯信号，所述数据缓存为所述肌电传感器采集的患者肌电信号、在线训练模型的各层级权值矩阵以及生理状态评价指标模块中的患者生理特征和训练日志。
[0110]
模型服务层，为所述在线定制模型模块提供运行环境和不同形式的数据输入，数据输出将通过所述数据链路层发送到各请求数据的模块。
[0111]
动态游戏库，周期性从云端更新针对康复训练而设计的游戏，所有游戏都具有多级可调难度，可根据所述手部康复机器人主动训练交互系统的响应进行实时调整。
[0112]
通用交互控件，是多场景动态难度训练游戏交互范式的抽象表达，交互信号为患者的各项生理信息和指标，与具体的游戏无关；所述多场景动态难度训练游戏根据交互范式进行适应性设计。
[0113]
医护介入接口，采用抢占式任务切换，为医护人员远程干预训练过程提供修改所述上位机交互系统训练参数的接口。
[0114]
自适应调节层，用于修改系统训练参数，在本实施例中，具体为电机阻抗参数、游戏难度和训练模式；所述自适应调节层内部由生理状态评价指标模块和策略调节器组成，依赖于患者生理信号输入，在本实施例中，生理信号输入为肌电信号。
[0115]
多线程多进程运行环境，用于管理任务调度，创建和销毁各个线程和进程，是各模块间通讯信号的终端，使各模块可以协同运作；
[0116]
用户交互层，为前端图形用户界面，作为不同功能模块的可视化交互中间件，在本实施例中，具体为导航示教窗口、数据采集窗口、在线训练模型窗口、生理状态评价指标窗口、游戏窗口、云端接入窗口、界面设置窗口。
[0117]
参照图7所示，所述策略调节器通过所述生理状态评价指标模块的输入，由模糊控制模型输出上位机交互系统的参数调节量，包括多场景训练游戏难度调整和电机阻抗参数调整。其中远程医护支持可以在模糊控制模型输出参数调节量后，进行介入修改。
[0118]
所述生理状态评价指标模块中，所述肌肉激活度用于保证肌肉力矩和肌电信号之间的关系，具体公式为：
[0119][0120]
其中，act(t)为肌肉在t时刻的肌肉激活度，uj(t)为第j块肌肉在t时刻经预处理、整流和归一化后的肌电信号，a为非线性系数，一般取-3～0。
[0121]
所述肌肉疲劳度用于表征肌肉长时间工作下作功能力的大小，具体公式为：
[0122][0123][0124][0125]
t(t)＝rms(t)/rms(t0)
[0126]
tri(t)＝(mpf-mf)/t(t)
[0127]
其中，tri(t)是t时刻起在t时长中的肌肉疲劳度，f为采样频率，p(f)为肌电信号的功率谱密度，rms(t)是肌电信号在t时刻的均方根，rms(t0)是肌电信号在静息状态下的均方根，mpf是平均功率频率，mf是中值频率，t(t)是t时刻的肌肉疲劳指数。
[0128]
所述运动完成度是患者运动能力的直观体现，具体公式为：
[0129][0130]
其中mov(t)是患者t时刻的动作完成度，xd(t)是t时刻的期望位置，x(t)是t时刻的实际位置。
[0131]
参照图8所示，所述在线训练模型模块用于即时构建患者运动意图模型，肌电传感器需要先行采集患者指定动作下的肌电信号，并在时间轴进行分割和滤波处理，并划分数据集。在本实施例中，这一过程通过图形用户界面的闪烁手势图标来引导患者完成。
[0132]
在线训练模型可以选取多种，在本实施例中，采用了随机森林模型，k近邻模型和卷积神经网络模型。所述在线训练模型模块选择其中一个模型进行训练，并将训练好的模型保存为可执行文件。所述在线训练模型模块根据手势图标识别结果，校验训练好的模型的实际准确率并返回给用户。若用户判断模型的实际准确率较低，则返回重新采集患者指定动作下的肌电信号，再次进行模型训练；若用户判断模型的实际准确率达标，则所述上位机交互系统竖起模型就绪标志位，模型开始服务。
[0133]
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

技术特征：
1.一种手部康复机器人主动训练交互系统，其特征在于，包括：手部外骨骼，包括线性执行器和压力传感器；所述线性执行器固定在手部外骨骼的手背部分，用于驱动手部外骨骼带动患肢进行康复训练；所述压力传感器固定在手部外骨骼的手指部分，用于采集手部外骨骼和患者指尖之间的交互力；主控电路板，固定在所述手部外骨骼的手背部分，其ad输入端与所述线性执行器的位置反馈信号输出端和所述压力传感器采集的交互力信号输出端连接，用于接收所述压力传感器的交互力信号，并通过蓝牙接收上位机交互系统发送的指令帧，将指令帧解算成电机控制指令，驱动所述线性执行器带动患者五指进行训练动作；肌电传感器，具有内置电源，穿戴在患者前臂，用于采集人体手臂表面肌电信号，并通过蓝牙发送给上位机交互系统；上位机交互系统，通过蓝牙com1接收所述肌电传感器的肌电信号，根据肌电信号识别出患者的运动意图，调整训练模式，并以指令帧的形式由蓝牙com2发送至所述主控电路板；云端数据库，通过以太网与所述上位机交互系统通讯，接收所述上位机交互系统返回的患者训练数据并记录归档，按训练数据为患者提供专业建议，同时发出软件更新的提示；多路可调电源，12v输出端口与所述线性执行器的正负极连接，5v输出端口与所述主控电路板的正负极连接，3.3v输出端口与所述压力传感器的正负极连接，用于提供不同的电压以驱动各模块运行。2.根据权利要求1所述的一种手部康复机器人主动训练交互系统，其特征在于，所述主控电路板包括：蓝牙通讯模块，用于与所述上位机交互系统的蓝牙com2通讯，所述上位机交互系统发送指令帧给蓝牙通讯模块，蓝牙通讯模块返回所述线性执行器的位置信息和电机阻抗参数给所述上位机交互系统；数据处理模块，用于接收所述压力传感器的力信号、所述线性执行器的位置反馈信号、所述上位机交互系统发送的指令帧，并将接收到的数据解算成阻抗控制位置调节信息；电机驱动模块，根据所述数据处理模块解算的阻抗控制位置调节信息驱动所述线性执行器。3.根据权利要求2所述的一种手部康复机器人主动训练交互系统，其特征在于，所述数据处理模块包括阻抗模型，根据所述压力传感器的力信号确定患者与手部外骨骼的实际交互力，根据所述线性执行器的位置反馈信号确定手部外骨骼的实际位置，根据所述上位机交互系统发送的指令帧确定患者与手部外骨骼的期望交互力和手部外骨骼的期望位置，以及上位机交互系统利用策略调节器确定所述线性执行器的电机阻抗参数；将所述实际交互力、实际位置、期望交互力、期望位置和电机阻抗参数输入阻抗模型，输出阻抗控制位置调节信息；所述阻抗模型采用基于位置的阻抗控制，通过位置关系的改变间接影响人机交互力，保持所述手部外骨骼的运动位置与人机交互力之间的动态关系，具体公式为：其中x
d
为期望位置，f
d
为期望交互力，x为实际位置，f为实际交互力，m、b、k为所述线性执行器的电机阻抗参数。
4.根据权利要求1所述的一种手部康复机器人主动训练交互系统，其特征在于，所述上位机交互系统包括：在线定制模型模块，用于针对不同个体的手势模式即时训练识别模型；首先根据所述肌电传感器采集的不同手势的肌电信号，记录标签和分割样本之后，由患者指定模型进行训练，训练好的模型用于实时识别患者的运动意图，并转化为指令帧通过蓝牙com2发送给所述主控电路板；多场景动态难度训练游戏模块，用于激励患者在游戏中完成多种康复训练动作，包括多级可调的游戏难度及多种训练模式，以适应不同康复阶段的患者；生理状态评价指标模块，根据所述肌电传感器采集的肌电信号的特征和所述多场景动态难度训练游戏模块返回的患者训练表现，实时计算患者的生理状态评价指标，包括肌肉激活度、肌肉疲劳度和训练完成度；策略调节器，根据模糊控制模型和所述生理状态评价指标，自适应调整所述多场景动态难度训练游戏的难度和模式，以及所述线性执行器的电机阻抗参数，以主动适应患者生理状态的变化。5.根据权利要求4所述的一种手部康复机器人主动训练交互系统，其特征在于，所述在线定制模型模块，包括随机森林模型、k近邻模型、卷积神经网络模型和transformer模型。6.根据权利要求5所述的一种手部康复机器人主动训练交互系统，其特征在于，所述在线训练模型模块即时构建患者运动意图模型的过程包括：s1、通过图形用户界面的手势图标引导患者完成动作，肌电传感器采集患者指定动作下的肌电信号；s2、对肌电信号进行分割和滤波处理，划分数据集；s3、选择如权利要求5所述任一模型进行训练，并将训练好的模型保存为可执行文件；s4、根据手势图标识别结果，校验训练好的模型的实际准确率；s5、若模型实际准确率低于预设值，则回到s1；s6、所述上位机交互系统竖起模型就绪标志位，模型开始服务。7.根据权利要求4所述的一种手部康复机器人主动训练交互系统，其特征在于，所述多场景动态难度训练游戏模块中多种训练模式包括：被动模式，该模式下患者不需要主动发力，由所述手部外骨骼带动患者的手指完成预设动作；主动模式，该模式下根据所述数据处理模块解算的阻抗控制位置调节信息驱动所述线性执行器，使所述手部外骨骼对患者进行力补偿，辅助患者完成所述模型定制模块识别出的期望动作；阻抗模式，该模式下为患者设定目标期望力，所述策略调节器根据所述生理状态评价指标实时调整所述线性执行器的电机阻抗参数。8.根据权利要求4所述的一种手部康复机器人主动训练交互系统，其特征在于，所述生理状态评价指标模块中，所述肌肉激活度用于保证肌肉力矩和肌电信号之间的关系，具体公式为：
其中，act(t)为肌肉在t时刻的肌肉激活度，u
j
(t)为第j块肌肉在t时刻经预处理、整流和归一化后的肌电信号，a为非线性系数；所述肌肉疲劳度用于表征肌肉长时间工作下作功能力的大小，具体公式为：所述肌肉疲劳度用于表征肌肉长时间工作下作功能力的大小，具体公式为：所述肌肉疲劳度用于表征肌肉长时间工作下作功能力的大小，具体公式为：t(t)＝rms(t)/rms(t0)tri(t)＝(mpf-mf)/t(t)其中，tpi(t)是t时刻起在t时长中的肌肉疲劳度，f为采样频率，p(f)为肌电信号的功率谱密度，rms(t)是肌电信号在t时刻的均方根，rms(t0)是肌电信号在静息状态下的均方根，mpf是平均功率频率，mf是中值频率，t(t)是t时刻的肌肉疲劳指数；所述运动完成度是患者运动能力的直观体现，具体公式为：其中mov(t)是患者t时刻的动作完成度，x
d
(t)是t时刻的期望位置，x(t)是t时刻的实际位置。9.根据权利要求1所述的一种手部康复机器人主动训练交互系统，其特征在于，所述云端数据库包括：患者信息档案，用于记录患者的个人信息和训练日志，并分析所述个人信息和训练日志，为患者提出针对性指导建议；远程医护支持，用于使医护人员直接介入患者的训练过程，调整所述多场景动态难度训练游戏模块中的游戏难度和训练模式，以及所述线性执行器的电机阻抗参数。10.根据权利要求1所述的一种手部康复机器人主动训练交互系统，其特征在于，所述上位机交互系统采用分层解耦的开放式软件架构，包括：硬件抽象层，将底层硬件模组的输入和输出信号抽象为api接口，其中输入信号为物理值，输出信号为hex通讯帧；数据链路层，管理各信号流以及软件产生的数据缓存；模型服务层，为所述在线定制模型模块提供运行环境和不同形式的数据输入，数据输出将通过所述数据链路层发送到各请求数据的模块；动态游戏库，周期性从云端更新针对康复训练而设计的游戏；通用交互控件，是多场景动态难度训练游戏交互范式的抽象表达，交互信号为患者的
各项生理信息和指标；医护介入接口，为医护人员远程干预训练过程提供修改所述上位机交互系统训练参数的接口；自适应调节层，用于修改系统训练参数；多线程多进程运行环境，用于管理任务调度，创建和销毁各个线程和进程，是各模块间通讯信号的终端，使各模块可以协同运作；用户交互层，为用户提供可视化的操作界面。

技术总结
本发明涉及医疗康复设备技术领域，尤其是指一种手部康复机器人主动训练交互系统，包括手部外骨骼、主控电路板、肌电传感器、多路可调电源、上位机交互系统和云端数据库。所述线性执行器和压力传感器集成在手部外骨骼上，与主控电路板一起构成底层硬件模组，作为硬件执行和物理信息反馈平台；所述上位机交互系统作为数据处理与决策平台，采用分层解耦的开放式软件架构，接收肌电传感器采集的患者生理信号，用于识别运动意图，调整训练及交互模式。所述云端数据库用于给患者建立数据档案，分析并给出针对性指导建议，同时具有医护远程支持功能。所述手部康复机器人主动训练交互系统能够满足不同个体间差异性训练需求，避免康复训练过于单一乏味。过于单一乏味。过于单一乏味。


技术研发人员：郭浩 顾志浩 王梓杰 孙承峰 李家伟 齐菲 谭亮
受保护的技术使用者：苏州大学
技术研发日：2023.07.31
技术公布日：2023/10/15